能花更少的成本，幾年前開發新藥嗎？

這看起來有點美好的愿望，隨著國內生物醫藥領域的技術發展，AI巨頭的入場成為現實。最近，百度有了新的動向，其飛槳圖學習框架(PGL)與生物計算平臺螺旋槳合作，在圖神經網絡國際權威排行榜OGB(OpenGraphBenchmark)的多項分子性質預測任務中獲得了ogbg-molhiv、ogbg-molpcba兩項任務第一，在AI藥物發現領域取得了新的技術突破。

在OGB登上頂峰是有意義的。與斯坦福、紐約大學、加利福尼亞大學洛杉磯分校、康奈爾大學、亞馬遜等眾多頂尖機構競技，差異化，百度的技術實力也受到國際關注和認可。事實上，OGB作為目前公認最權威的圖學習相關標準測試數據集，由斯坦福大學圖神經網絡權威團隊建立，為不同的圖學習任務分別提供了豐富的數據集，對圖神經網絡研究者有很強的魅力。這也是百度繼去年9月，飛槳圖學習框架發布融合標簽傳遞和圖神經網絡的統一模型 UniMP(Unified Message Passing)，登頂圖神經網絡權威榜單三項榜首后再一次問鼎。

(百度登頂OGB兩項榜單第一)

近年來，伴隨著技術發展和基礎設施改善，AI的力量突破了醫院和科室的高墻，讓醫生資源、診療方案、藥物研究等得以高速發展，其中作為現代藥物研發中關鍵一環的化合物生物活性篩選，同樣被注入了AI的能量。化合物的生物活性篩選主要目的是在大量的候選化合物中，發現對某種藥物目標有活性的分子。人工智能技術祝福藥物虛擬篩選有望取代傳統的活性篩選方法，加快中間步驟，大大降低研發成本。

OGB的HIV和PCBA數據集包括多種生物活性實驗，其中HIV數據集關注不同化合物能否抑制HIV病毒在細胞內的復印，PCBA數據集關注不同化合物對100多種疾病目標的有效性。成功預測化合物這類性質對于發現針對多種疾病的有效藥物具有重要意義。百度根據槳圖學習框架，使用深圖神經網絡，配合生物計算平臺螺旋槳對藥物發現領域的理解，設計監督學習任務學習化合物分子，應用于分子性質預測，利用分子表示學習、圖學習技術等核心技術，幫助百度更新排行榜。

這次百度登頂的背后，飛槳圖學習框架和螺旋槳兩個主力的支持是必不可少的。據介紹，劃槳學習框架基于劃槳框架動態圖的新升級，具有高效、支持超大規模圖訓練、使用方便、預制多種主流圖學習模型等特點。飛槳圖學習框架在百度的內外部業務也是頗受歡迎，全面覆蓋推薦系統、搜索引擎、智能地圖等相關業務場景，在去年11月的COLING 協辦的 TextGraphs2020 比賽中也奪得冠軍，展示領先實力。

另一個主力螺旋槳是基于百度深度學習平臺(槳)的生物計算平臺，其提供的核心技術可以重點滿足生物醫藥、疫苗設計和正確醫療的AI需求。螺旋槳生物計算平臺還將保持開源開放，幫助生物學、藥物化學、計算機交叉學科背景的學習者、研究者和合作伙伴更加方便地構建AI算法模型。

AI等先進技術在生物醫藥領域的發動機作用更加突出，不僅使生物醫藥成為AI技術落地的重要場景，還將引領未來相關領域的創新爆發。而在這其中，以百度為首的眾多先進AI企業依然用AI技術搭建屬于中國的技術堡壘，不斷讓世界看到了中國科技力量的活躍之勢，也讓人工智能更好的泛于大眾、惠于大眾。未來，百度的科學技術能力有助理<愛尬聊_百科大全>生物醫藥開發，克服艾滋病等危害人類健康的頑疾，發揮推進科學技術強國的重要作用。